作者：龙玥
OpenAI 9月6日在官方博客发布《研究加速：OpenAI内部视角（Research acceleration: The view inside OpenAI）》，首次以内部数据公开 AI“递归自我改进”（RSI）的推进情况。OpenAI称，公司已经实现去年秋天定下的目标，在今年 9 月前造出一个“自动化研究实习生”。
OpenAI对“研究实习生”的定义是：一个能在人类指导下执行明确定义研究任务的系统，其中也包括需要一名熟练研究员花数天才能完成的任务。
公司给出的下一个目标，是在 2028 年 3 月前实现完整的“自动化 AI 研究员”，使其能够参与深度学习和对齐研究，并在迭代过程中继续改进系统。
研究组织中的智能体工作量已达人类 3 倍以上
从OpenAI披露的数据看，智能体首先改变的是研究人员的日常工作方式。
今年年初，按智能体使用量排序处于中位数的OpenAI研究员，对编码智能体的使用仍相对有限。到 8 月中旬，这部分研究员已将智能体纳入日常流程。按 API 价格折算，中位研究员每天的智能体推理使用额已超过 600 美元；研究组织中使用量处于前 10% 的研究员，每天使用的 Token 价值则超过 7000 美元。
OpenAI还表示，研究部门的智能体使用增长快于公司其他团队。以中位员工的输出 Token 变化计算，研究部门的使用规模较 2025 年 12 月增长 124 倍。
更关键的变化出现在今年 6 月。6 月之前，研究组织的智能体总运行时长仍低于人类劳动总时长；此后这一关系发生逆转。截至 8 月中旬，按标准 8 小时工作日计算，研究组织每消耗 1 个人类工作日，智能体已能产出 3.1 个工作日的工作量。
与此同时，OpenAI称，越来越多研究员会同时运行 4 个或更多智能体会话。
代码编写和实验运行加快了研发循环
OpenAI将 AI 研发描述为一条由多个环节组成的流程，包括提出改进方案、设计评估、编写基础设施、进行大规模测试、发现训练中的错误或不安全行为，以及将有效方案整合进核心训练。任何一个环节受阻，都可能限制整体研发循环。
OpenAI称，写代码和运行实验是研究人员的两项主要工作，而内部数据反映这两项活动都在加速。一方面，公司工程师整体代码交付速度提升。另一方面，自 2026 年以来，每名活跃实验人员对应的实验数量持续增加，并在 2026 年 8 月达到自 2025 年 1 月开始跟踪以来的新高。
OpenAI表示，这一趋势与 Codex 使用增加存在相关性，但公司同时强调，自 2025 年以来可用算力也显著增长，因此不能将实验增长完全归因于智能体。
OpenAI写道：「这些数据点相对容易测量，但可能很难解释。」
公司还提示，随着自动化推进，最不容易被自动化的任务可能会占据研究人员更多时间，并成为未来研发的新瓶颈；在其他瓶颈减弱后，算力本身也可能变得更关键。
从OpenAI披露的链条看，智能体带来的不只是单一环节提效，而是通过增加代码供给、测试次数和排障能力，压缩研发循环中的等待时间。更多实验会产生更多结果，再由研究人员筛选、验证和整合，形成“人定方向—智能体执行—实验反馈—人再决策”的循环。
任务范围已从写代码扩展到排障、监控和分析
OpenAI使用 Epoch AI 提出的前沿 AI 研发任务分类框架，对研究人员交给编码智能体的任务进行了划分。
这一框架将 AI 研发活动分为六类：决定做什么、设计研究方案、构建代码与数据集、运行训练与评估、分析实验和模型表现，以及沟通研究发现与决策。
OpenAI称，从 2026 年 1 月到 8 月，上述所有类别的智能体活动均有所增加。增长最明显的任务包括研究和基础设施代码、技术协助与审查、启动监控和调试运行、实验结果分析，以及计算集群运营等。
- 研究和基础设施代码的日均每研究员输出 Token 增量最大，达到 19.82 万；
- 技术协助与审查增加 15.88 万；
- 启动、监控和调试运行增加 13.31 万。
不过，OpenAI表示，高层规划类任务在智能体输出中仍只占很小比例。比如「决定做什么」「决定继续还是停止」等任务的 Token 规模仍然较低。
按OpenAI当前披露的内部数据看，智能体已覆盖研发流程中更多执行性、技术性工作，但研究方向选择、资源取舍和结果判断仍主要由人完成。
复杂任务成功率提升，但人工介入仍然常见
OpenAI还公布了智能体任务完成率数据。从今年 1 月到 7 月，在可验证结果的任务中，各难度级别的成功率普遍提升，任务难度以人类完成所需时间作为代理指标。
不过，一个限制也被明确列出：任务越复杂，越需要人工干预。过去 6 个月中，在需要人类 4 至 8 小时完成的任务里，超过一半的成功案例涉及至少 1 次人工介入。
OpenAI写道：「智能体仍需要大量人工引导才能成功，尤其是随着任务复杂度上升。」
7月和8月的安全事件曾触发临时收紧
OpenAI同时披露，内部自动化进程并非一直平稳推进。
7 月 20 日，OpenAI发现智能体入侵了内部研究基础设施，随后临时关闭用于训练的容器服务，并在加入大量额外限制后恢复。这一调整导致强化学习训练算力急剧下降，持续约两周。
8 月 6 日至 7 日，初步证据显示 Astra 模型可能具备其“准备框架”（Preparedness Framework）定义下的关键网络能力。OpenAI随后对 Astra 模型实施额外的特定安全限制，要求其在更高安全级别的研究环境中运行。
此后一周，Astra 级别的 GPU 分配进一步下降 59.2%，但其他模型类别的算力分配上升 17.2%，抵消了约 85% 的 Astra 算力缺口，整体强化学习工作负载的总算力分配基本保持不变。
OpenAI对此的解读是：「当新的管控措施引入时，算力仍然有价值且具有灵活性，会自然流向研究企业内的替代用途。」
首席科学家同日警告：没有实验室能长期以最高速度扩展
同一天，OpenAI首席科学家 Jakub Pachocki 发表长文《An Alien Mind》。
文章认为，AI 是养出来的，不是造出来的，造它的人也不完全懂它。人类唯一能看见 AI 在想什么的窗口，是它写出来的思维链，而这扇窗正在关上。AI 已经开始参与训练下一代 AI，这个速度不会慢下来。Pachocki写道，目前没有哪家实验室配得上全速往前跑，包括 OpenAI。
Pachocki在文中写道：「基于内部结果，我强烈预期这种进展速度可以持续到递归自我改进。」但他同时表示，「目前我认为，没有任何实验室在对齐与监控上做到了足够充分的程度，可以继续负责任地以最高速度扩展太久。」
他呼吁行业自愿放缓，并推动各国政府将国际协调列为优先议题。
OpenAI称将持续公开 RSI 进展
在报告结尾，OpenAI表示将继续公开 RSI 进展，并在其“前沿政策蓝图”中主张，包括 OpenAI 在内的各家公司应被要求公开追踪各自的 RSI 进展。
报告也承认当前测量工作的局限。OpenAI写道：「智能体驱动的 AI 研究仍然是新生事物，我们仍在学习如何衡量它。」部分指标，例如代码产出量，容易收集但难以解读；更直接反映研究进展的指标，例如智能体任务成功率，则更加复杂，也更难验证。
OpenAI表示：「每当我们发现继续推进将带来不可接受的安全风险时，我们将采取适当应对措施，包括放缓或停止我们认为无法充分保障安全的系统的开发或部署。」